「心鉴智控」AI视觉检测方案上线，将光学成像、AI算法结合 | 最前线

积累知识，胜过积蓄金银！毕竟在科技周边开发的过程中，会遇到各种各样的问题，往往都是一些细节知识点还没有掌握好而导致的，因此基础知识点的积累是很重要的。下面本文《「心鉴智控」AI视觉检测方案上线，将光学成像、AI算法结合 | 最前线》，就带大家讲解一下知识点，若是你对本文感兴趣，或者是想搞懂其中某个知识点，就请你继续往下看吧~

「心鉴智控」是一家工业机器视觉应用服务商，成立于2018年，曾于今年2月连续完成了A+和A++两轮合计近亿元融资。依托自研光学成像模组获取高质量数据，「心鉴智控」通过DevOps和DataOps系统对数据与算法高效迭代，基于自研C++框架的低代码应用开发，构建了视觉应用开发技术底座，逐步实现了工业视觉检测核心技术的跨行业、跨场景的商业化落地）。

「心鉴智控」所切入的行业有高透、高反、高速的“三高”特点。创始人罗晓忠博士告诉36氪，他们目前有三个主要业务方向：

一是药品及其外包装检测，提供人工智能医药外包检测系统，以 铝塑泡罩，输液袋，软膏及三期等医药外包装场景的检测为主。本次发布的AI视觉检测方案主要以眼镜镜片场景为核心，包括导光板、手表表盖和其他镜片的检测。主要应用于瓶盖、瓶身、日用品、快消品以及电线光缆等场景的高速运动物品外观检测。

而传统视觉公司无法深度介入这个行业，原因传统机器视觉无法处理具有复杂光学特性以及高速、柔性、非标等高识别难度的应用场景。而这背后包括更多原因，比如工业品瑕疵数据不足，原始数据样本不充足，会导致需要海量数据训练的深度学习模型并不精准 ；生产线的匹配难度大，新系统与已有产线的运行节拍、基础设备相互匹配且稳定运行的实现难度高 ； 解决方案的可复制性较差，生产环境千差万别，算法需克服鲁棒性挑战。

针对以上行业痛点，「心鉴智控」通过技术手段解决。

首先独创“小样本训练高精度、高准确度神经网络模型”。由于缺乏充足的工业品瑕疵图片，行业受到了训练模型的数据不足的影响。「心鉴智控」通过研发算法和光学的手段，能够生成大量瑕疵品图片，以实现深度学习。其次，在客户实际使用场景中，持续迭代检测模型，以确保其稳定性和可靠性。最后，依托自主研发的 AI 模型训练优化平台，基于 autoML 技术，建立了从数据到模型、模型到生产的闭环。

"AI视觉镜片检测方案"将于2023年6月19日在江苏丹阳眼镜节上由「心鉴智控」发布。据了解，丹阳每年生产镜片4亿多副，约占全国的75%，是目前世界最大的镜片生产基地、亚洲最大的眼镜产品集散地。

随着光学产品的发展，光学镜片的应用范围越来越广。为了更好的助力镜片生产商降本增效，「心鉴智控」与江苏新视客光电科技有限公司（简称“新视客”）合作开发的镜片人工智能检测设备及方案。

现场设备内部结构部分图

现场设备外部显示部分图

具体来说，该设备及方案解决了传统视觉检测功能不齐全、运行不稳定的痛点，采用首创镜片小样本学习方法，针对不同的镜片瑕疵可以实现模型泛化，快速准确，设备完全取代人工检测，能有效检出24种瑕疵，并可快速应对新出现的各种瑕疵类型。心鉴的AutoML和在线部署系统无疑是一项巨大的进步，它们不仅显著减少了客户在训练和部署方面的时间投入，还极大地提高了生产效率。此外，在检测过程中，设备的检测能力将通过自我学习的人工智能不断增强，随着时间的推移越来越强大。

今天带大家了解了的相关知识，希望对你有所帮助；关于科技周边的技术知识我们会一点点深入介绍，欢迎大家关注golang学习网公众号，一起学习编程~